Video Experimental Relacionado
Updated: Jan 9, 2026

Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
Sistema de Advertencia Activa de Seguridad para Motocicletas Basado en Detección de Imágenes: Uso de YOLO y Mecanismo
Yaw-Jen Chang1, Ming-Cheng Hsu1, Wen-Yung Liang1
1Department of Mechanical Engineering, Chung Yuan Christian University, Chung Li District, Taoyuan City 320314, Taiwan.
Este estudio presenta un sistema de seguridad activa para motocicletas que utiliza YOLO v4 (You Only Look Once versión 4) y un mecanismo de ponderación heurística (HWM) para calcular puntuaciones de riesgo y alertar a los conductores. El sistema mejora la seguridad del conductor al predecir y mitigar posibles riesgos de colisión.
Área de la Ciencia:
- Ingeniería de seguridad de motocicletas
- Inteligencia artificial en el transporte
- Visión por computadora para la detección de vehículos
Sus antecedentes:
- La seguridad vial para motocicletas de dos ruedas sigue siendo una preocupación crítica.
- Los sistemas de advertencia existentes a menudo carecen de capacidades de evaluación de riesgos en tiempo real.
- Los sistemas avanzados de asistencia al conductor (ADAS) muestran potencial para las motocicletas.
Objetivo del estudio:
- Desarrollar y evaluar un sistema de advertencia de seguridad activa para motocicletas.
- Integrar YOLO v4 para el reconocimiento de vehículos y HWM para la evaluación de riesgos.
- Mejorar la seguridad de los motociclistas proporcionando alertas oportunas sobre peligros potenciales.
Principales métodos:
- Se implementó YOLO v4 (You Only Look Once versión 4) para la identificación de vehículos en tiempo real y la estimación de la distancia.
- Se desarrolló un modelo de mecanismo de ponderación heurística (HWM) que incorpora el tipo de vehículo, el espaciado, la velocidad de la motocicleta y la proximidad a la intersección.
- Se utilizó un módulo NVIDIA Jetson TX2 con una cámara montada en el espejo retrovisor izquierdo en un ángulo de 30°.
Principales resultados:
- El modelo YOLO v4 logró una precisión media promedio (mAP) del 92,78 % con un umbral de IoU (Intersection over Union) de 0,5.
- La configuración de la cámara capturó eficazmente los vehículos que se aproximaban desde la parte trasera izquierda, lo que arrojó las tasas de reconocimiento más altas.
- El modelo HWM generó puntuaciones de riesgo que aconsejaron la desaceleración para motocicletas de alta velocidad con vehículos que se aproximaban.
Conclusiones:
- El sistema integrado identifica eficazmente los vehículos y evalúa los riesgos de colisión.
- El sistema de advertencia de seguridad activa tiene el potencial de reducir significativamente los accidentes de motocicleta.
- Esta tecnología ofrece un enfoque prometedor para mejorar la seguridad de los motociclistas a través de alertas inteligentes.
Más Videos Relacionados
Videos de Conceptos Relacionados
Force Classification
Contact and non-contact forces are two of the most widely used categories of forces. As the name suggests, contact forces require physical contact between two objects to act upon each other. Examples of contact forces include frictional,...
Rolling Resistance: Problem Solving
Relative Motion Analysis using Rotating Axes-Problem Solving
Here, in order to determine the magnitude of velocity and acceleration for point...

